awesome-repositories.com
Blog
MCP
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 dépôt

Awesome GitHub RepositoriesClassification Frameworks

Libraries providing a structured pipeline for training and evaluating models to categorize audio signals.

Distinct from Audio Machine Learning Frameworks: Focuses on the classification pipeline for audio analysis rather than generative audio or synthesis models

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Classification Frameworks. Refine with filters or upvote what's useful.

Awesome Classification Frameworks GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • tyiannak/pyaudioanalysisAvatar de tyiannak

    tyiannak/pyAudioAnalysis

    6,242Voir sur GitHub↗

    pyAudioAnalysis est une bibliothèque et un framework Python pour le traitement et l'analyse de signaux audio. Il fournit des outils pour extraire des représentations mathématiques du son, telles que des spectrogrammes, et implémente un système pour entraîner et évaluer des modèles de machine learning afin de classifier des segments audio basés sur des modèles acoustiques. Le projet inclut des utilitaires dédiés pour la segmentation audio, qui permettent la suppression du silence et la détection d'événements audio spécifiques pour diviser les enregistrements en sections significatives. Il fournit également des capacités de visualisation de données qui utilisent la réduction de dimensionnalité pour mapper les similarités de contenu et identifier des clusters au sein des données sonores. La bibliothèque couvre un large éventail de capacités de traitement du signal, incluant l'extraction de caractéristiques dans le domaine spectral, l'analyse temporelle et la régression audio pour estimer des valeurs continues. Ces fonctions sont accessibles à la fois en tant que bibliothèque programmable et via une interface en ligne de commande pour le traitement par lots de fichiers audio.

    Ships a framework for training and evaluating machine learning models to categorize sound recordings based on acoustic patterns.

    Python
    Voir sur GitHub↗6,242
  1. Home
  2. Artificial Intelligence & ML
  3. Audio Machine Learning Frameworks
  4. Classification Frameworks